I do two things: I design mobile computers and I study brains. Today's talk is about brains and -- (Audience member cheers) Yay! I have a brain fan out there.
من دو کار انجام میدهم. رایانههای همراه طراحی میکنم و مغز را مطالعه میکنم. و صحبت امروز درباره مغز است و، چه خوب، یک جائی آنجاها یک طرفدار مغز دارم.
(Laughter) If I could have my first slide, you'll see the title of my talk and my two affiliations. So what I'm going to talk about is why we don't have a good brain theory, why it is important that we should develop one and what we can do about it. I'll try to do all that in 20 minutes. I have two affiliations. Most of you know me from my Palm and Handspring days, but I also run a nonprofit scientific research institute called the Redwood Neuroscience Institute in Menlo Park. We study theoretical neuroscience and how the neocortex works. I'm going to talk all about that.
(خنده حضار) من میخواهم، البته اگر تصویر اولم را این بالا داشته باشم، و شما عنوان صحبت من و دو پيوند من را ببينید. خوب، چیزی که من میخواهم درباره آن صحبت کنم، این است که چرا ما یک نظریه خوب راجع به مغز نداریم، چرا مهم است که ما یک نظریه خوب ايجاد كنيم، و در این مورد چه میتوانیم بکنیم. و من سعی میکنم كه همه اینها را در بیست دقیقه انجام بدهم. من دو پيوند دارم. بسیاری از شما مرا از روزهای پالم (Palm) و هنداسپرینگ (Hand Spring) میشناسید، اما علاوه بر آن، من یک مرکز تحقیق علمی غیرانتفاعی را هم اداره میکنم که موئسسه علوماعصاب ردوود (Redwood Neuroscience Institute) در ملنو پارک (Melno Park) است، و ما آنجا نظریه علوماعصاب را مطالعه میکنیم، و نحوه عمل نئوکورتکس (neocortex) را مطالعه میکنیم.
I have one slide on my other life, the computer life, and that's this slide here. These are some of the products I've worked on over the last 20 years, starting from the very original laptop to some of the first tablet computers and so on, ending up most recently with the Treo, and we're continuing to do this. I've done this because I believe mobile computing is the future of personal computing, and I'm trying to make the world a little bit better by working on these things. But this was, I admit, all an accident. I really didn't want to do any of these products. Very early in my career I decided I was not going to be in the computer industry.
من میخواهم درباره اينها صحبت کنم. یک تصویر درباره زندگی دیگرم، زندگی رایانهایم دارم، و آن اين تصویر است. اینها برخی از محصولاتی هستند که من در طی ۲۰ سال گذشته روی آنها کار کردهام، شروعش برمیگردد به رایانههای همراه خيلی اوليه و برخی از نخستين رايانههای صفحهتخت (tablet computers) و مانند آنها، و پایانش همین اواخر به ترئو (Treo) میرسد، و ما داریم اینکار را ادامه میدهیم. و من این کار را کردهام چون واقعا اعتقاد دارم که رایانش همراه (mobile computing) آیندۀ رایانه شخصی است، و من سعی میکنم که دنیا را با کار کردن روی این چیزها، کمی بهتر كنم. اما، باید اعتراف کنم، که اين در کل یک اتفاق بود. من واقعا نمیخواستم هیچ كدام از اینها را بسازم. و در همان آغاز کارم تصمیم گرفته بودم که در صنایع رایانه كار نكنم.
Before that, I just have to tell you about this picture of Graffiti I picked off the web the other day. I was looking for a picture for Graffiti that'll text input language. I found a website dedicated to teachers who want to make script-writing things across the top of their blackboard, and they had added Graffiti to it, and I'm sorry about that.
و قبل از اینکه به آن موضوع بپردازیم، بایست این را هم درباره این عکس طرحنوشت (graffiti) کوچکی که آنجاست بگويم كه چند روز پیش از روی اينترنت گرفتم. بدنبال عکس یک طرحنوشت میگشتم، کمی زبان نوشتاری، و وبسایتی را یافتم که تقدیم به معلمانی شده بود که میخواهند اینها را بسازند، میدانید، همان چیزهای نوشتاری که در بالای تخته سیاهشان قرار دارد، و آنها به آن نوشته طرحنوشت هم اضافه کردند، و من از این بابت متاسفم.
(Laughter)
(خنده حضار)
So what happened was, when I was young and got out of engineering school at Cornell in '79, I went to work for Intel and was in the computer industry, and three months into that, I fell in love with something else. I said, "I made the wrong career choice here," and I fell in love with brains. This is not a real brain. This is a picture of one, a line drawing. And I don't remember exactly how it happened, but I have one recollection, which was pretty strong in my mind. In September of 1979, Scientific American came out with a single-topic issue about the brain. It was one of their best issues ever. They talked about the neuron, development, disease, vision and all the things you might want to know about brains. It was really quite impressive.
خوب، ماجرا از اين قرار بود که، در زمان جوانی، هنگامی که دانشکده مهندسی دانشگاه کورنل (Cornell) را در سال ۱۹۷۹ تمام کردم، تصمیم گرفتم -- رفتم که برای اینتل (Intel) کار کنم و من در صنعت رایانه بودم -- و سه ماه گذشته بود، اما عاشق چیز دیگری شدم، و به خودم گفتم: "من در اینجا شغل غلطی را انتخاب کردم،" و عاشق مغز شدم. این یک مغز واقعی نیست. عکس یکی از آنهاست، رسم خطوط آن. و دقیقا هم یادم نمیآید که چگونه این اتفاق افتاد، اما یک چیز را دقیق به خاطر دارم، که خیلی هم در ذهنم قدرتمند بود. در سپتامبر ۱۹۷۹، مجله ساینتیفیک آمریکن (Scientific American) با یک ویژهنامه اختصاصی درباره مغز منتشر شد. و خیلی خوب بود. یکی از بهترین شمارههایش بود که تا بحال چاپ شده است. و آنها در آن مقاله راجع به نورون (سلول عصبی) و تکامل و بیماریها و بینایی و همه آن چیزهائی که ممکن است شما بخواهید در مورد مغز بدانید صحبت کردند. واقعا جذاب بود. ممکن بود گمان میبردید که ما واقعا چیزهای زیادی درباره مغز میدانستیم.
One might've had the impression we knew a lot about brains. But the last article in that issue was written by Francis Crick of DNA fame. Today is, I think, the 50th anniversary of the discovery of DNA. And he wrote a story basically saying, this is all well and good, but you know, we don't know diddly squat about brains, and no one has a clue how they work, so don't believe what anyone tells you. This is a quote from that article, he says: "What is conspicuously lacking" -- he's a very proper British gentleman -- "What is conspicuously lacking is a broad framework of ideas in which to interpret these different approaches." I thought the word "framework" was great. He didn't say we didn't have a theory. He says we don't even know how to begin to think about it. We don't even have a framework. We are in the pre-paradigm days, if you want to use Thomas Kuhn. So I fell in love with this. I said, look: We have all this knowledge about brains -- how hard can it be? It's something we can work on in my lifetime; I could make a difference. So I tried to get out of the computer business, into the brain business.
اما آخرین مقاله آن شماره توسط فرانسیس کریک (Francis Crick)، که با دی-ان-ای (DNA) معروف شد، نوشته شده بود. امروز، گمان میکنم، پنجاهمین سالگرد کشف DNA است. و او مقالهای نوشت که اساسا میگفت، خوب، همه اینها خوب و عالی است، اما میدانید[؟]، ما پشیزی هم راجع به مغز نمیدانیم و هیچکسی هم سرنخی در این مورد که اینها چگونه کار میکنند ندارد، پس گفتههای هیچکس را باور نکنيد. اين يك نقل قول مستقیم از آن مقاله است، او میگوید: "آن چه که فقدانش واضحا مشخص است،" او مرد بریتانیایی بسیار باوقاری بود پس، "آنچه که فقدانش واضحا مشخص است چهارچوب گستردهای از ایدهها است كه در آن بتوان این رويكردهای گوناگون را تفسیر کرد." من فکر کردم که کلمه "چهارچوب" عالی است. او نمیگويد که ما حتی نظریهای نداریم. او میگوید، ما حتی نمیدانیم که چطور شروع به فكر كردن درباره آن بكنيم -- ما حتی چهارچوبی نداریم. ما در دوره پيش از نظریه هستیم اگر میخواهید توماس کوهن (Thomas Kuhn) را نقل کنید. و من عاشق آن شدم، و گفتم ببین، ما همه این دانش راجع به مغز را داریم. چقدر این [موضوع] میتواند سخت باشد؟ و این چیزی است که میتوانم در طول زندگیم بر رویش کار کنم. من احساس کردم که میتوانم تأثیری بگذارم. و تلاش کردم که از کسب و کار رایانه خارج بشوم، بروم به کسب و کار مغز.
First, I went to MIT, the AI lab was there. I said, I want to build intelligent machines too, but I want to study how brains work first. And they said, "Oh, you don't need to do that. You're just going to program computers, that's all. I said, you really ought to study brains. They said, "No, you're wrong." I said, "No, you're wrong," and I didn't get in.
در آغاز، به دانشگاه ام-آی-تی (MIT) رفتم، آزمایشگاه هوش مصنوعی آنجا بود، و گفتم، خوب، من هم میخواهم ماشینهای هوشمند بسازم، اما راهی که میخواهم این کار را بکنم، این است که اول کارکرد مغز را مطالعه کنم. و آنها گفتند، اوه، لازم نیست اين کار را بکنی. ما فقط رایانهها را برنامهریزی میکنیم؛ این تنها کاری است که باید بکنبم. و من گفتم، نه، در واقع شما بايد مغزها را مطالعه کنید. آنها گفتند، اوه، میدانی، تو اشتباه میکنی. و من گفتم، نه، شما اشتباه میکنید، و من را نپذیرفتند. (خنده حضار)
(Laughter)
I was a little disappointed -- pretty young -- but I went back again a few years later, this time in California, and I went to Berkeley. And I said, I'll go in from the biological side. So I got in the PhD program in biophysics. I was like, I'm studying brains now. Well, I want to study theory. They said, "You can't study theory about brains. You can't get funded for that. And as a graduate student, you can't do that." So I said, oh my gosh. I was depressed; I said, but I can make a difference in this field. I went back in the computer industry and said, I'll have to work here for a while. That's when I designed all those computer products.
ولی كمی دلگیر شدم -- خيلی جوان بودم -- اما دوباره چند سال بعد برگشتم و اینبار در کالیفرنیا، به دانشگاه برکلی (Berkeley) رفتم. و با خودم گفتم اينبار از سمت زیستشناسی وارد میشوم. و پذیرش گرفتم -- پذیرش دکترای PhD در رشته زیست-فیزیک، همه چیزم خوب بود، حالا من مغزها را مطالعه میکردم، و گفتم که میخواهم نظريه بخوانم. آنها جواب دادند، اوه نه، تو نمیتوانی نظریه در مورد مغز را مطالعه کنی. این کاری نیست که به تو مربوط بشود. برای این موضوع پولی به تو نمیدهند. و به عنوان دانشجوی دكتری، نمیتوانی آن كار را بكنی. خوب، گفتم، اوه خدای من. خيلی افسرده شدم. با خودم گفتم اما من میتوانم دراین زمینه تاثیرگذار باشم. پس کاری که کردم این بود که به صنعت رایانه برگشتم. و کفتم، خوب، باید مدتی کار کنم، مشغول باشم. و آن موقع بود که همه آن محصولات رایانهای را طراحی کردم.
(Laughter)
(خنده حضار)
I said, I want to do this for four years, make some money, I was having a family, and I would mature a bit, and maybe the business of neuroscience would mature a bit. Well, it took longer than four years. It's been about 16 years. But I'm doing it now, and I'm going to tell you about it. So why should we have a good brain theory? Well, there's lots of reasons people do science. The most basic one is, people like to know things. We're curious, and we go out and get knowledge. Why do we study ants? It's interesting. Maybe we'll learn something useful, but it's interesting and fascinating. But sometimes a science has other attributes which makes it really interesting.
و گفتم این کار را برای چهار سال انجام میدهم، یک کم پول در میآورم، مثل این که صاحب خانواده شدم، کمی هم بالغتر میشوم، و شاید هم حرفه علوماعصاب کمی بالغتر بشود. خوب، این کار بیشتر از چهار سال طول کشید. تقریبا ۱۶ سال گذشته است. ولی الان دارم این کار را انجام میدهم، و برای شما درباره آن میگویم. خوب چرا باید یک نظریه خوبی راجع به مغز داشته باشیم؟ خوب، دلایل زیادی وجود دارد که آدمها به علم میپردازند. یکی از دلايل-- يعنی پایهایترینش -- اين است که آدمها دوست دارند از چيزها سر در بياورند. ما کنجکاو هستیم، و میرویم بيرون و اطلاعات كسب میكنيم، میدانید؟ چرا ما مورچهها را مطالعه میکنیم؟ خوب، چون جالب است. شاید چیز واقعا مفیدی از آن ياد بگيريم، اما علت اينكه دنبالش میرويم این است كه موضوع جالب و جذابی است. اما گاهی اوقات، یک دانش ویژگیهای دیگری هم دارد که آن را خيلی، خيلی جالب میکند.
Sometimes a science will tell something about ourselves; it'll tell us who we are. Evolution did this and Copernicus did this, where we have a new understanding of who we are. And after all, we are our brains. My brain is talking to your brain. Our bodies are hanging along for the ride, but my brain is talking to your brain. And if we want to understand who we are and how we feel and perceive, we need to understand brains. Another thing is sometimes science leads to big societal benefits, technologies, or businesses or whatever. This is one, too, because when we understand how brains work, we'll be able to build intelligent machines. That's a good thing on the whole, with tremendous benefits to society, just like a fundamental technology.
گاهی اوقات یک علم درباره خودمان چیزی میگوید، به ما میگوید که چه کسی هستیم. به ندرت، میدانید، تکامل این کار را کرده و کوپرنیکوس (Copernicus) این کار را کرده، که در آن ما درک جدیدی از آنچه هستیم داريم. و از همه اینها که بگذریم، ما همان مغزمان هستیم. مغز من با مغز شما سخن میگوید. بدن ما ملزومات اضافه است، اما مغز من است که با مغز شما سخن میگوید. و اگر بخواهیم که دریابیم که چه کسی هستیم و چگونه حس و درک میکنیم، در واقع درمییابیم که مغز چیست. چیز دیگر این است که گاهی اوقات علم موجب منافع اجتماعی عظيم و فنآوریها، یا حرفههائی، یا هر چیز دیگری که از آنها بر بیاید میشود. و این نیز، [یکی از آن موارد است]، چون هنگامی که درک کنیم که کارکرد مغز چگونه است، ما قادر خواهیم بود ماشینهای هوشمند بسازیم، و من فکر میکنم که در واقع کلا چیز خوبی خواهد بود، و این منافع بسیار عظیمی برای جامعه خواهد داشت، مانند یک فنآوری بنیادین.
So why don't we have a good theory of brains? People have been working on it for 100 years. Let's first take a look at what normal science looks like. This is normal science. Normal science is a nice balance between theory and experimentalists. The theorist guy says, "I think this is what's going on," the experimentalist says, "You're wrong." It goes back and forth, this works in physics, this in geology. But if this is normal science, what does neuroscience look like? This is what neuroscience looks like. We have this mountain of data, which is anatomy, physiology and behavior. You can't imagine how much detail we know about brains. There were 28,000 people who went to the neuroscience conference this year, and every one of them is doing research in brains. A lot of data, but no theory. There's a little wimpy box on top there.
بنابراین چرا ما نظریه خوبی راجع به مغز نداریم؟ در حالی كه انسانها ۱۰۰ سال است که روی این موضوع کار کردهاند؟ خوب، در ابتدا بیائید نگاهی بیندازیم به اینکه دانش بهنجار چگونه است. دانش بهنجار اینگونه است. دانش بهنجار، تعادل خوبی است میان نظریه و آزمایشگران. و لذا نظریهپرداز میگوید، خوب، من فکر میکنم این چیزی است که دارد اتفاق میافتد، و از آن سوی آزمایشگر میگوید، نه، شما اشتباه میکنید. و این تبادل ادامه پیدا میکند، میدانید؟ در فیزیک این به کار میآید. در زمینشناسی به کار میآید، پس اگر این دانش بهنجار است، علوماعصاب چگونه است؟ علوماعصاب اینگونه است. ما این کوه دادهها را داریم، شامل کالبدشناسی (آناتومی)، تنکردشناسی (فیزیولوژی) و رفتار. نمیتوانید تصور کنید که تا چه اندازه جزئیات راجع به مغز میدانیم. ۲۸ هزار نفر در همآیش امسال علوماعصاب شرکت کردند. و تکتک آنها روی مغزها تحقيق میکنند. مقدار زیادی داده. ولی هیچگونه نظریهای نیست. آن جعبه کوچک، فسقلی، در آن بالا هست. و نظریه هیچگونه نقش عمدهای در علوماعصاب بازی نکرده است.
And theory has not played a role in any sort of grand way in the neurosciences. And it's a real shame. Now, why has this come about? If you ask neuroscientists why is this the state of affairs, first, they'll admit it. But if you ask them, they say, there's various reasons we don't have a good brain theory. Some say we still don't have enough data, we need more information, there's all these things we don't know. Well, I just told you there's data coming out of your ears. We have so much information, we don't even know how to organize it. What good is more going to do? Maybe we'll be lucky and discover some magic thing, but I don't think so. This is a symptom of the fact that we just don't have a theory. We don't need more data, we need a good theory.
و این واقعا موجب شرمندگی است. حالا چرا اینگونه پیش رفته است؟ اگر از دانشمندان علوماعصاب بپرسید، چرا وضعیت اینگونه است؟ اول آنها به اين اعتراف میکنند. ولی اگر از آنها بپرسید، میگویند، خوب، علل متنوعی وجود دارد که نظریه مغزی خوبی نداریم. بعضیها میگویند، خوب، هنوز به اندازه کافی داده نداریم، اطلاعات بیشتر لازم داریم، این همه چیز وجود دارد که هنوز نمیدانیم. خوب، من الان به شما گفتم که آن قدر داده وجود دارد که دارد از گوشهایمان بیرون میریزد. ما آنقدر اطلاعات داریم كه نمیدانیم چگونه شروع کنیم به منظم کردنشان. [اطلاعات] بیشتر چه کمکی میتواند بکند؟ شاید خوش اقبال باشیم و یک چیز جادوئی کشف کنیم، ولی من گمان نمیکنم. این در واقع فقط نشانه این واقعیت است که ما نظریه نداریم. ما به دادههای بیشتر نیاز نداریم -- ما به يك نظریه خوب نیازمندیم.
Another one is sometimes people say, "Brains are so complex, it'll take another 50 years." I even think Chris said something like this yesterday, something like, it's one of the most complicated things in the universe. That's not true -- you're more complicated than your brain. You've got a brain. And although the brain looks very complicated, things look complicated until you understand them. That's always been the case. So we can say, my neocortex, the part of the brain I'm interested in, has 30 billion cells. But, you know what? It's very, very regular. In fact, it looks like it's the same thing repeated over and over again. It's not as complex as it looks. That's not the issue.
بعضیهای دیگر میگویند، خوب، مغز خیلی پیچیده است، این موضوع ۵۰ سال دیگر طول میکشد. حتی فکر میکنم که کریس (Chris) هم دیروز يک چنين حرفی زد. کریس، مطمئن نیستم که دقیقا چه گفتی، اما چیزی شبیه این بود، که خوب، این یکی از پیچیدهترین موضوعات جهان است. این درست نیست. شما از مغزتان پیچیدهتر هستید. شما صاحب مغز هستید. و نيز، هرچند مغز بسیار پیچیده به نظر میرسد، اما هرچيزی تا وقتی که آن را نفهمیم پیچیده به نظر میآید. و همیشه هم همینطور بوده. بنابراين، تنها چيزی كه میتوانیم بگوئیم، اين است كه خوب، نئوکورتکس من، که بخش مورد علاقه من در مغز است، ۳۰ میلیارد سلول دارد. اما میدانید چیست؟ این خيلی، خيلی عادی است. در واقع، مثل این است که همان چیز بارها و بارها و بارها تکرار شده. به اندازهای که به نظر میرسه پیچیده نیست. مساله این نیست.
Some people say, brains can't understand brains. Very Zen-like. Woo.
بعضیها میگویند، مغز نمیتواند مغز را بفهمد. این دیگر خیلی ذن مانند و عرفانی است. هوه. میدانید--
(Laughter)
(خنده حضار)
You know, it sounds good, but why? I mean, what's the point? It's just a bunch of cells. You understand your liver. It's got a lot of cells in it too, right? So, you know, I don't think there's anything to that. And finally, some people say, "I don't feel like a bunch of cells -- I'm conscious. I've got this experience, I'm in the world. I can't be just a bunch of cells." Well, people used to believe there was a life force to be living, and we now know that's really not true at all. And there's really no evidence, other than that people just disbelieve that cells can do what they do. So some people have fallen into the pit of metaphysical dualism, some really smart people, too, but we can reject all that.
میتواند جالب باشد. اما چرا؟ منظورم این است، نکتهتان چیست؟ فقط یک مشت سلول است. شما کبد خود را درک میکنید. آن هم تعداد زیادی سلول دارد، درسته؟ بنابراین، میدانید، من فکر نمیکنم چیزی در این باشد. و سرانجام، بعضیها میگویند، خوب، میدانید، من احساس نمیکنم که تنها یک مشت سلول باشم، میدانید. من آگاه هستم. من این تجربه را دارم، میدانید، من در این جهان هستم. من نمیتوانم تنها یک مشت سلول باشم. ولی، میدانید، مردم این باور را داشتند که يك نیروی حیاتی برای زنده ماندن لازم است. و حالا ما میدانیم که این فکر واقعا به هیچ عنوان درست نيست. و هیچ شاهدی هم وجود ندارد که این را تائيد كند -- خوب، البته غیر از [گفتههای] افرادی که باور نمیكنند که سلولها میتوانند کارهائی را بکنند كه میکنند. و خوب، اگر بعضی از آدمها داخل این چالش دوگانگی متافیزیکی افتادهاند، حتی بعضی از آدمهای خیلی باهوش، با اين حال ما میتوانیم همه آن را رد کنیم.
(Laughter)
(خنده حضار)
No, there's something else, something really fundamental, and it is: another reason why we don't have a good brain theory is because we have an intuitive, strongly held but incorrect assumption that has prevented us from seeing the answer. There's something we believe that just, it's obvious, but it's wrong. Now, there's a history of this in science and before I tell you what it is, I'll tell you about the history of it in science. Look at other scientific revolutions -- the solar system, that's Copernicus, Darwin's evolution, and tectonic plates, that's Wegener. They all have a lot in common with brain science.
خیر، من به شما میگویم که چیز دیگری وجود دارد، که واقعا بنیادی است، و آن این است که: دلیل دیگری هم برای اینکه چرا یک نظریه خوب مغزی نداریم هست، و آن دليل اين است که ما یک فرض حسی، سرسختی داریم، که غلط است و مانع از آن شده است كه پاسخ را ببينيم. چیزی وجود دارد که ما به آن اعتقاد داریم که فقط بديهی است، ولی غلط است. حالا، یک تاریخچهای از این [مسائل] در علم وجود دارد و قبل از این که به شما بگویم که آن چیست، کمی به شما در مورد تاريخچه این [مسئله] در علم میگویم. شما نگاهی به بعضی از انقلابهای علمی دیگر بیندازید، در این مورد، من درباره منظومه شمسی صحبت میکنم، از کوپرنیکوس، از تکامل داروینی، و صفحات زمینشناسی، که از وگنر(Wegener) است. همه آنها با علوم مغز مشترکات زیادی دارند.
First, they had a lot of unexplained data. A lot of it. But it got more manageable once they had a theory. The best minds were stumped -- really smart people. We're not smarter now than they were then; it just turns out it's really hard to think of things, but once you've thought of them, it's easy to understand. My daughters understood these three theories, in their basic framework, in kindergarten. It's not that hard -- here's the apple, here's the orange, the Earth goes around, that kind of stuff.
اولا، همه آنها دادههای تعریف نشده زیادی داشتند. خیلی زیاد. اما همه آنها از وقتی كه نظريهدار شدند قابل اداره کردن شد. بهترین ذهنها گیج شده بودند -- آدمهای خیلی، خیلی باهوش. و ما الان از آنها که در آن زمان بودند باهوشتر نیستیم. قثط این گونه است که اندیشیدن به مسائل واقعا دشوار است، اما وقتی به آنها اندیشیدید، درک آن آسان میشود. دختران من این سه نظریه را در چهارچوب ساده آن در دورانی که در کودکستان بودند میفهمیدند. و حالا آن قدر هم سخت نیست، میدانید، این یک سیب است، این یک پرتقال است، میدانید، زمین میچرخد، این جور چیزها.
Another thing is the answer was there all along, but we kind of ignored it because of this obvious thing. It was an intuitive, strongly held belief that was wrong. In the case of the solar system, the idea that the Earth is spinning, the surface is going a thousand miles an hour, and it's going through the solar system at a million miles an hour -- this is lunacy; we all know the Earth isn't moving. Do you feel like you're moving a thousand miles an hour? If you said Earth was spinning around in space and was huge -- they would lock you up, that's what they did back then.
در نهایت، پاسخ چیز دیگری است که تمام مدت آنجا بوده، ولی ما به آن بیاعتنا بودیم به خاطر همين چیز بديهی، و نکته اصلی همين است. یک باور حسی، منسجمی بوده که نادرست بوده. در مورد منظومه شمسی، این نظر که زمین در حال چرخیدن میباشد و اینکه سطح زمین با سرعتی در حدود هزار مایل در ساعت در حرکت میباشد، و اینکه زمین با سرعتی حدود یک میلیون مایل در ساعت در منظومه شمسی حرکت میکند. این دیوانگی است. همه ما میدانیم که زمین حرکت نمیکند. آیا شما سرعت چند هزار مایل در ساعت را حس میکنید؟ معلوم است که نه. میدانید، و اگر کسی میگفت، خوب، زمین در فضا به دور خود میچرخد و [زمین] بسیار عظیم است، او را میانداختند زندان، و این کار را آن قدیمها میکردند.
So it was intuitive and obvious. Now, what about evolution?
(خنده حضار) خوب حسی و بديهی بود. حالا تکامل چطور؟
Evolution, same thing. We taught our kids the Bible says God created all these species, cats are cats; dogs are dogs; people are people; plants are plants; they don't change. Noah put them on the ark in that order, blah, blah. The fact is, if you believe in evolution, we all have a common ancestor. We all have a common ancestor with the plant in the lobby! This is what evolution tells us. And it's true. It's kind of unbelievable. And the same thing about tectonic plates. All the mountains and the continents are kind of floating around on top of the Earth. It doesn't make any sense.
تکامل هم همینطور است. ما به بچههایمان یاد میدادیم، که، خوب، انجیل میگوید، میدانید، خدا همه گونهها را آفریده، گربهها گربهاند، سگها سگ هستند، انسانها انسانند، گیاهان گیاهاند، آنها عوض نمیشوند. نوح آنها را به آن ترتیب سوار کشتی کرد، و، و، و. و میدانید، اگر به تکامل اعتقاد دارید، حقیقت این است که، ما جد مشترکی داریم، و همه ما با گیاهی که در راهرو هم هست جد مشترکی داریم. این چیزی است که تکامل به ما میگوید. و درست است. یک جوری هم غیرقابل باور است. و همین چیز در مورد صفحات زمين، میدانید؟ تمام کوهها و قارهها یک جوری روی زمین شناورند، میدانید؟ مثل این است که منطقی نیست.
So what is the intuitive, but incorrect assumption, that's kept us from understanding brains? I'll tell you. It'll seem obvious that it's correct. That's the point. Then I'll make an argument why you're incorrect on the other assumption. The intuitive but obvious thing is: somehow, intelligence is defined by behavior; we're intelligent because of how we do things and how we behave intelligently. And I'm going to tell you that's wrong. Intelligence is defined by prediction.
حالا آن پیشفرض منطقی، ولی نادرستی که، جلوی درک ما از مغز را گرفته است چیست؟ حالا به شما میگویم، و به نظر بدیهی خواهد آمد که آن درست است، و نکته همین جا است، درست؟ بعدش باید بحثی را پیش بکشم که چرا آن یکی فرضيه نادرست است. نکنه منطقی ولی واضح این است که هوش به نحوی به وسیله رفتار تعریف میشود، که ما به خاطر نحوه انجام کارهایمان، و نحوه رفتار هوشمندانهمان باهوش هستیم، و من به شما میگویم که این نادرست است. آن چیزی که هست این است که هوش است با پیشبینی تعریف میشود. و من با شما روی این موضوع در این چند تصویر کار میکنم،
I'm going to work you through this in a few slides, and give you an example of what this means. Here's a system. Engineers and scientists like to look at systems like this. They say, we have a thing in a box. We have its inputs and outputs. The AI people said, the thing in the box is a programmable computer, because it's equivalent to a brain. We'll feed it some inputs and get it to do something, have some behavior. Alan Turing defined the Turing test, which essentially says, we'll know if something's intelligent if it behaves identical to a human -- a behavioral metric of what intelligence is that has stuck in our minds for a long time.
و نمونههائی به شما میدهم که این به چه معناست. در اینجا یک سامانه (سیستم) داریم. مهندسها دوست دارند که به سامانهها اینگونه نگاه کنند. دانشمندان دوست دارند که به سامانهها اینگونه نگاه کنند. آنها میگویند، خوب، ما یک چیز درون جعبه داریم، و درونرو و برونداد آن را هم داریم. آدمهای [رشته] هوشمصنوعی میگفتند، خوب، آن چیز درون جعبه یک رایانه قابل برنامهریزی است. چون معادل یک مغز است، و ما به آن مقداری درونداد میدهیم و آن را وادار میکنیم کاری انجام بدهد، رفتاری داشته باشد. و آلن تورینگ (Alan Turing) آزمایش تورینگ را تعریف کرد، که در اساس میگوید: ما چیزی را هوشمند میدانیم كه مثل یک انسان رفتار کند. یک معيارِ رفتاریِ از اینکه هوش چیست، و مدت زیادی است كه این در ذهن ما گیر کرده است.
Reality, though -- I call it real intelligence. Real intelligence is built on something else. We experience the world through a sequence of patterns, and we store them, and we recall them. When we recall them, we match them up against reality, and we're making predictions all the time. It's an internal metric; there's an internal metric about us, saying, do we understand the world, am I making predictions, and so on. You're all being intelligent now, but you're not doing anything. Maybe you're scratching yourself, but you're not doing anything. But you're being intelligent; you're understanding what I'm saying. Because you're intelligent and you speak English, you know the word at the end of this sentence.
در حقیقت اما، چیزیه که من به آن هوش واقعی میگویم. هوش واقعی بر مبنای چیز دیگری ساخته شده است. ما دنیا را از طریق یک سلسله الگوهائی تجربه میکنیم، و آنها را ذخیره میکنیم، و آنها را بازیابی میکنیم. و وقتی آنها را بازیابی میکنیم، آنها را با واقعیت تطبیق میدهیم، و دائما در حال پیشبینی هستیم. این یک معيار دائمی است. یک معيار دائمی در مورد ما که به نحوی میگوید، آیا ما دنیا را میفهمیم؟ آیا من پیشبینی میکنم؟ و غیره. شما همگی الان هوشمند هستید، ولی در حال انجام كاری نيستيد. شاید دارید خودتان را میخارید، یا دماغتان را تمیز میکنید، من نمیدانم، ولی کاری الان انجام نمیدهید، ولی شما هوشمند هستيد، شما میفهمید من چه میگویم. چون که شما هوشمند هستید و انگلیسی صحبت میکنید، شما میدانید چه کلمهای در پایان این -- (سکوت) «جمله» است.
The word came to you; you make these predictions all the time. What I'm saying is, the internal prediction is the output in the neocortex, and somehow, prediction leads to intelligent behavior. Here's how that happens: Let's start with a non-intelligent brain. I'll argue a non-intelligent brain, we'll call it an old brain. And we'll say it's a non-mammal, like a reptile, say, an alligator; we have an alligator. And the alligator has some very sophisticated senses. It's got good eyes and ears and touch senses and so on, a mouth and a nose. It has very complex behavior. It can run and hide. It has fears and emotions. It can eat you. It can attack. It can do all kinds of stuff. But we don't consider the alligator very intelligent, not in a human sort of way.
این کلمه به ذهن شما آمد، و شما دائما این پیشبینیها را انجام میدهید. و پس آنچه که من میگویم این است که، این پیشبینی دائمی محصول و برونداد نئوکورتکس است. و به نحوی، پیشبینی منجر به رفتار هوشمندانه میشود. و اینگونه اتفاق میافتد. بیائید با یک مغز غیرهوشمند شروع کنیم. خوب من در باره یک مغز غیرهوشمند بحث میکنم، ما یک مغز قدیمی را پیدا کردیم، و ما میگوئیم که شبیه مغز یک غیر پستاندار است، مثلا یک خزنده، پس من میگویم، یک تمساح، ما یک تمساح داریم. و این تمساح يكسری حسهای بسیار پیچیدهای دارد. چشمان خوب، گوشها، حس لامسه دارد، و غیره يك دهان و يك دماغ. رفتار بسیار پیچیدهای دارد. میتواند فرار کند و پنهان شود. ترس و عاطفه دارد. میتواند شما را بخورد، میدانید. میتواند حمله کند. کلی کار میتواند بکند. اما ما تمساح را خيلی هوشمند نمیدانیم، نه به گونه انسانی.
But it has all this complex behavior already. Now in evolution, what happened? First thing that happened in evolution with mammals is we started to develop a thing called the neocortex. I'm going to represent the neocortex by this box on top of the old brain. Neocortex means "new layer." It's a new layer on top of your brain. It's the wrinkly thing on the top of your head that got wrinkly because it got shoved in there and doesn't fit.
اما تمساح همه این رفتارهای پیچیده را دارد. حال، در تکامل، چه اتفاقی افتاده است؟ اولین چیزی که در تکامل پستانداران اتفاق افتاد اين بود كه، ما شروع كردیم به توسعه چیزی به نام نئوکورتکس. و من اینجا این لایه نئوکورتکس را نمایش میدهم، به وسیله این جعبه که در بالای مغز قدیمی چسپیده است. نئوکورتکس به معنی لایه نوین است. آن لایه نوینی است که در بالای مغز شما قرار گرفته است. اگر آن را نمیشناسید، آن چیز چروکیدهای است که بر روی سر شما قرار گرفته، چروکیده شده چون داخل آنجا چپانده شده و جا نمیشود.
(Laughter)
(خنده حضار)
Literally, it's about the size of a table napkin and doesn't fit, so it's wrinkly. Now, look at how I've drawn this. The old brain is still there. You still have that alligator brain. You do. It's your emotional brain. It's all those gut reactions you have. On top of it, we have this memory system called the neocortex. And the memory system is sitting over the sensory part of the brain. So as the sensory input comes in and feeds from the old brain, it also goes up into the neocortex. And the neocortex is just memorizing. It's sitting there saying, I'm going to memorize all the things going on: where I've been, people I've seen, things I've heard, and so on. And in the future, when it sees something similar to that again, in a similar environment, or the exact same environment, it'll start playing it back: "Oh, I've been here before," and when you were here before, this happened next. It allows you to predict the future. It literally feeds back the signals into your brain; they'll let you see what's going to happen next, will let you hear the word "sentence" before I said it. And it's this feeding back into the old brain that will allow you to make more intelligent decisions.
نه، واقعا، این چیزی است که هست. تقریبا به اندازه یک دستمال رومیزی است. و جا نمیشود. برای همین همهاش چروکیده شده. حالا نگاه کنید چگونه من این را اینجا کشیدهام. مغز قدیمی هنوز همانجا است. هنوز شما آن مغز تمساحیتان را دارید. داریدش. مغز عاطفی شما است. تمام آن چیزها است، تمام آن واکنشهای اولیهای که دارید. و بر فراز آن، ما این سامانه حافظه به نام نئوکورتکس را هم در اختیار داریم. و سامانه حافظه بر فراز قسمت حسی مغز نشسته است. و لذا همانطور كه درونروهای حسی وارد میشوند و از مغز قدیمی تغذيه میشوند، و همچنين میروند بالا به نئوکورتکس. و نئوکورتکس فقط در حال به خاطر سپردن است. آنجا نشسته و میگوید، آها، من همه چیزهائی که اتفاق میافتند را به خاطر میسپارم. جاهائی که بودم، مردمی که دیدم، چیزهائی که شنیدم، و غیره. و در آینده، وقتی چیزی مشابه آن را دوباره ببیند، در محیط مشابه، یا در محیط دقیقا یکسان، آن را بازپخش میکند. شروع به بازپخش آن میکند. آها، من قبلا هم اینجا بودهام. و وقتی بار قبل اینجا بودی، بعدش این اتفاق افتاد. این به شما اجازه میدهد درباره آینده پیشبینی کنید. به شما اجازه میدهد که، واقعا علائم را به مغز بازخوران میكند؛ و اینها به شما اجازه میدهند که بدانيد بعدش چه اتفاقی میافتد. اجازه میدهد که کلمه «جمله» را قبل از آنکه من آن را بگویم بشنوید. و این بازخوران به مغز قدیم به شما امکان میدهد تا تصمیمات بسیار هوشمندانهتری بگیرید.
This is the most important slide of my talk, so I'll dwell on it a little. And all the time you say, "Oh, I can predict things," so if you're a rat and you go through a maze, and you learn the maze, next time you're in one, you have the same behavior. But suddenly, you're smarter; you say, "I recognize this maze, I know which way to go; I've been here before; I can envision the future." That's what it's doing. This is true for all mammals -- in humans, it got a lot worse. Humans actually developed the front of the neocortex, called the anterior part of the neocortex. And nature did a little trick. It copied the posterior, the back part, which is sensory, and put it in the front. Humans uniquely have the same mechanism on the front, but we use it for motor control.
این مهمترین تصویر صحبت من است، پس کمی روی آن تاکید میکنم. و لذا، شما همواره میگوئید که، آها، من میتوانم چیزها را پیشبینی کنم. و اگر شما موش باشید و از یک معمای پر پیچ و خم رد بشوید، و بعد آن معما را ياد میگيريد، بار بعدی که در یک معما باشید، رفتار مشابهی خواهید داشت، ولی ناگهان، شما باهوشتر هستید چون شما میگوئید، آها، این معما را میشناسم، میدانم از کدام طرف بروم، قبلا هم اینجا بودهام، من میتوانم آینده را ببینم. و این چیزی است که [مغز] انجام میدهد. در انسانها -- در ضمن، این موضوع در مورد همه پستانداران صادق است؛ برای بقیه پستانداران هم درست است -- و در انسانها، بسیار شدیدتر است. در انسانها، در واقع بخش پیشینی نئوکورتکس گسترش يافته است که آن را بخش قدامی نئوکورتکس مینامند. و طبیعت نیز کلک کوچکی زد. بخش خلفی را، بخش عقب، که بخش حسی است را، یکسانسازی کرد و آن را در بخش جلویی قرار داد. و انسانها منحصرا همان کارکرد را در بخش جلویی مغزشان هم دارند، اما ما از آن برای تنظیم حرکت استفاده میکنیم.
So we're now able to do very sophisticated motor planning, things like that. I don't have time to explain, but to understand how a brain works, you have to understand how the first part of the mammalian neocortex works, how it is we store patterns and make predictions. Let me give you a few examples of predictions. I already said the word "sentence." In music, if you've heard a song before, when you hear it, the next note pops into your head already -- you anticipate it. With an album, at the end of a song, the next song pops into your head. It happens all the time, you make predictions.
پس ما حالا قادر هستیم تا طرح حرکات بسیار پیچیده را ایجاد کنیم، و چیزهائی از این قبیل. فعلا زمان آن را ندارم تا به همه این بپردازم، اما اگر میخواهید بفهميد که مغز چگونه کار میکند، ابتدا باید دریابید که نخستین بخش نئوکورتکس پستاندارن چگونه کار میکند، و چگونه ما الگوها را ذخیره میکنیم و پیشبینی میکنیم. پس بگذارید چند نمونه از پیشبینیها را به شما ارائه بدهم. قبلا کلمه «جمله» را گفتم. در موسیقی، اگر قبلا آهنگی را شنیده باشید، اگر شنیده باشید که جیل (Jill) قبلا آن آوازها را خوانده باشد، وقتی او آن آوازها میخواند، نت بعدی بلافاصله به ذهنتان میآید -- شما همانطور که میشنوید پیشبینی میکنید. اگر یک آلبوم موسيقی بود، در پایان آلبوم اول، آهنگ بعدی به ذهنتان میآید. و این چیزها همیشه اتفاق میافتد. شما این حدسها را میزنید.
I have this thing called the "altered door" thought experiment. It says, you have a door at home; when you're here, I'm changing it -- I've got a guy back at your house right now, moving the door around, moving your doorknob over two inches. When you go home tonight, you'll put your hand out, reach for the doorknob, notice it's in the wrong spot and go, "Whoa, something happened." It may take a second, but something happened. I can change your doorknob in other ways -- make it larger, smaller, change its brass to silver, make it a lever, I can change the door; put colors on, put windows in. I can change a thousand things about your door and in the two seconds you take to open it, you'll notice something has changed.
من این چیز را دارم که اسم آن آزمایش تفکر تغییر درب است. و آزمایش آزمایش تفکر تغییر درب میگوید، شما یک درب در خانه دارید، وقتی که اینجا هستید، تغییرش میدهم، یک آدمی را داریم، که الان در خانه شماست، و مشغول جابهجا کردن درب است، و آنها دسته درب را بر میدارند و دو اینچ آن را جابهجا میکنند. و وقتی که شما امشب به خانه میروید، شما دستتان را در میآورید، و به سوی دسته درب دراز میکنید و متوجه میشوید که جای آن غلط است، و میگوئید، وای، اتفاقی افتاده است. ممکن است ثانیهای طول بکشد تا متوجه بشويد که چه اتفاقی افتاده، اما اتفاقی افتاده است. حال من میتوانم حلقه درب را به طریق دیگری تغییر بدهم. میتوانستم بزرگتر یا کوچکترش کنم. میتوانم جنسش را از مفرق به نقره تغییر بدهم، میتوانستم آن را به یک دسته تغییر بدهم. میتوانم درب خانهتان را تغییر بدهم، رنگش کنم، روی آن پنجره بگذارم. میتوانم هزاران تغییر روی درب ایجاد کنم، و در همان دو ثانیهای که طول میکشد تا درب را باز کنید، شما پی خواهید برد که اینجا چیزی تغییر کرده است.
Now, the engineering approach, the AI approach to this, is to build a door database with all the door attributes. And as you go up to the door, we check them off one at time: door, door, color ... We don't do that. Your brain doesn't do that. Your brain is making constant predictions all the time about what will happen in your environment. As I put my hand on this table, I expect to feel it stop. When I walk, every step, if I missed it by an eighth of an inch, I'll know something has changed. You're constantly making predictions about your environment. I'll talk about vision, briefly. This is a picture of a woman. When we look at people, our eyes saccade over two to three times a second. We're not aware of it, but our eyes are always moving. When we look at a face, we typically go from eye to eye to nose to mouth. When your eye moves from eye to eye, if there was something else there like a nose, you'd see a nose where an eye is supposed to be and go, "Oh, shit!"
حال، رویکرد مهندسی به این، رویکرد هوش مصنوعی به این، ساخت پایگاه داده درب است. تمام ویژگیهای درب را داراست. و هنگامی که به درب میرسید، میدانید، تمام ویژگیها را تکتک بررسی میکند. درب، درب، درب، میدانید، رنگ، میدانید که چه میگویم. ما آن کار را نمیکنیم. مغز شما آن کار را نمیکند. آنچه مغز شما انجام میدهد این است که همواره به طور دائم مشغول پیشبینی کردن در مورد این است که در محیط اطراف شما چه اتفاقاتی خواهد افتاد. در حالی که دستم را روی این میز میگذارم، انتظار دارم حس کنم که آن متوقف شده. هنگام راه رفتن، در هر گام، اگر یک هشتم اینچ اشتباه شود، میفهمم چیزی تغییر کرده. شما همواره در حال پیشبینی کردن محیط هستید. به طور مختصر راجع به بینائی صحبت میکنم. این تصویر یک زن است. هنگامی که به انسانها نگاه میکنید، چشمانتان خیره میشوند برای دو یا سه بار در ثانیه. شما به این آگاه نیستید، اما چشمانتان همواره در حال حرکت هستند. و پس وقتی به چهره کسی نگاه میکنید، شما بطور معمول از چشم به چشم به چشم به دماغ به دهان میروید. حالا، هنگامی که چشمتان از چشم به چشم حرکت میکند، اگر چیز دیگری آنجا باشد مثلا، یک دماغ، و شما در جائی که قرار است چشم باشد دماغ را ببینید،
(Laughter)
و شما میگوئید، ای وای، میدانید--
"There's something wrong about this person." That's because you're making a prediction. It's not like you just look over and say, "What am I seeing? A nose? OK." No, you have an expectation of what you're going to see.
(خنده حضار) این آدم یک چیزش اشتباه است. و این به آن دلیل است که شما دارید یک پیشبینی میکنید. مثلا این جور نیست که شما نگاه کنید و بگوئید، من الان چه دارم میبینم؟ یک بینی، که درست است. نه، شما انتظاری از آنچه که خواهید دید دارید.
(خنده حضار)
Every single moment. And finally, let's think about how we test intelligence. We test it by prediction: What is the next word in this ...? This is to this as this is to this. What is the next number in this sentence? Here's three visions of an object. What's the fourth one? That's how we test it. It's all about prediction.
در هر لحظه. و در پایان، به این بیاندیشیم که چطور ما هوشمندی را میسنجيم. ما با پیشبینی آن را میسنجیم. لغت بعدی در اینجا چیست، میدانید؟ این به این مانند آن به آن. عدد بعدی این جمله چیست؟ این سه نما از یک شی است. نمای چهارم آن چیست؟ این است نحوه سنجش ما. همهاش راجع به پیشبینی است. پس راهکار برای نظریه مغز چیست؟
So what is the recipe for brain theory? First of all, we have to have the right framework. And the framework is a memory framework, not a computational or behavior framework, it's a memory framework. How do you store and recall these sequences of patterns? It's spatiotemporal patterns.
اول از همه، ما باید چهارچوب درستی داشته باشیم. و این چهارچوب یک چهارچوب حافظه است، نه یک چهارچوب محاسباتی یا رفتاری. این یک چهار چوب حافظه است. چطور شما این مراحل یا الگوها را ذخیره و یا فراخوانی میکنید؟ اینها الگوهای فضائی-زمانی هستند. سپس، اگر در آن چهارچوب، یک تعدادی نظریهپرداز را بگیرید.
Then, if in that framework, you take a bunch of theoreticians -- biologists generally are not good theoreticians. Not always, but generally, there's not a good history of theory in biology. I've found the best people to work with are physicists, engineers and mathematicians, who tend to think algorithmically. Then they have to learn the anatomy and the physiology. You have to make these theories very realistic in anatomical terms. Anyone who tells you their theory about how the brain works and doesn't tell you exactly how it's working and how the wiring works -- it's not a theory.
حالا زیستشناسان کلا نظریهپردازان خوبی نیستند. این همیشه درست نیست، ولی کلا، تاریخچه خوبی از نطریه در زیستشناسی موجود نیست. پس من به این نتیجه رسیدهام که بهترین آدمهای برای این کار فیزیکدانها هستند، مهندسها و ریاضیدانها، که گرایش به تفکر الگوریتمی دارند. آنها باید کالبدشناسی یاد بگیرند، و آنها باید تنکردشناسی یاد بگیرند. این نظریهها باید خیلی واقعگرایانه از دیدگاه کالبدشناسی تولید شوند. هر کسی که بلند شود و به شما نظریه خودش را در مورد نحوه کارکرد مغز بگوید و به شما نگوید که آن دقیقا چگونه در مغز کار میکند و چگونه مدار آن در مغز کار میکند، آن یک نظریه نیست. و این کاری است که ما در موئسسه علوماعصاب ردوود به آن مشغول هستیم.
And that's what we do at the Redwood Neuroscience Institute. I'd love to tell you we're making fantastic progress in this thing, and I expect to be back on this stage sometime in the not too distant future, to tell you about it. I'm really excited; this is not going to take 50 years.
من دوست داشتم که وقت بیشتری میداشتم که به شما بگویم که ما پیشرفت خارقالعادهای در این زمینه داشتهایم، و من انتظار دارم که مجددا به روی این صحنه بيایم، شاید این در وقت دیگری در آینده نه چندان دور باشد که به شما در مورد آن بگویم. من خیلی، خیلی هیجان زدهام. این اصلا قرار نیست ۵۰ سال طول بکشد.
What will brain theory look like? First of all, it's going to be about memory. Not like computer memory -- not at all like computer memory. It's very different. It's a memory of very high-dimensional patterns, like the things that come from your eyes. It's also memory of sequences: you cannot learn or recall anything outside of a sequence. A song must be heard in sequence over time, and you must play it back in sequence over time. And these sequences are auto-associatively recalled, so if I see something, I hear something, it reminds me of it, and it plays back automatically. It's an automatic playback. And prediction of future inputs is the desired output. And as I said, the theory must be biologically accurate, it must be testable and you must be able to build it. If you don't build it, you don't understand it.
پس نطریه مغزی چه شکلی خواهد داشت؟ اولا، یک نظریه در مورد حافظه خواهد بود. نه مانند حافظه رایانه. اصلا مانند حافظه رایانه نیست. خیلی، خیلی متفاوت است. و حافطهای است از این الگوهای چند بُعدی، مانند چیزهائی که از چشمتان میآید. همچنین این یک حافظه متوالی است. شما هیچ چیزی را خارج از توالی نمیتوانید یاد بگیرید. یک آهنگ باید در یک توالی در طول زمان شنیده شود، و شما باید آن را در یک توالی در طول زمان بازپخش کنید. و این توالیها به صوت مرتبط و خودکار بازیابی میشوند، بنابراین اگر من چیزی را ببینم، چیزی را بشنوم، من را به یاد همان چیز میاندازد، و بعد به صورت خودکار بازپخش میشود. این یک بازپخش خودکار است. و پیشبینی درونروهای آینده، برونداد مطلوب است. و همانطور که گفتم، نظریه باید از لحاظ زیستشناختی درست باشد، و باید قابل آزمایش باشد، و شما باید توانائی ساخت آن را داشته باشید. اگر آن را نسازید، آن را درک نمیکنید. خوب، یک تصویر دیگر داريم.
One more slide. What is this going to result in? Are we going to really build intelligent machines? Absolutely. And it's going to be different than people think. No doubt that it's going to happen, in my mind. First of all, we're going to build this stuff out of silicon. The same techniques we use to build silicon computer memories, we can use here. But they're very different types of memories. And we'll attach these memories to sensors, and the sensors will experience real-live, real-world data, and learn about their environment.
این به چه نتیجهای میرسد؟ آیا ما واقعا ماشینهای هوشمند خواهیم ساخت؟ قطعا. و این با چیزی که مردم به آن فکر میکنند متفاوت خواهد بود. در نظر من، بدون شک این اتفاق خواهد افتاد. اولا، این ساخته خواهد شد، ما این چیزها را از سیلیکون خواهیم ساخت. همون فنونی که ما برای ساختن حافظههای سیلیکونی رایانه به کار میبریم، در اینجا میتوانیم از آنها استفاده کنیم. ولی این نوع متفاوتی از حافظه است. و ما این حافظهها را به گیرندههای حسی وصل میکنیم، و این گیرندههای حسی داده زنده-حقیقی، و دنیای-حقیقی را تجربه خواهند کرد، و این چیزها را در مورد محیطشان یاد خواهند گرفت.
Now, it's very unlikely the first things you'll see are like robots. Not that robots aren't useful; people can build robots. But the robotics part is the hardest part. That's old brain. That's really hard. The new brain is easier than the old brain. So first we'll do things that don't require a lot of robotics. So you're not going to see C-3PO. You're going to see things more like intelligent cars that really understand what traffic is, what driving is and have learned that cars with the blinkers on for half a minute probably aren't going to turn.
حالا احتمالش خیلی کم خواهد بود که چیزهای اولیهای که میبینید مانند آدم مصنوعی (روبوت) باشند. نه اينكه آدم مصنوعیها مفید نیستند و انسانها میتوانند آدم مصنوعی بسازند. ولی قسمت علم آدم مصنوعی (روبوتیکس) سختترین قسمت این است. این مغز قدیمی است. آن واقعا سخت است. در واقع مغز جدید تا حدی راحتتر از مغز قدیم است. پس اولین کاری که ما خواهیم کرد چیزهائی خواهد بود که نیاز زیادی به علم آدم مصنوعی نخواهد داشت. پس شما [آدم مصنوعی] سی-۳-پی-او را نخواهید دید. شما بیشتر چیزهائی مانند، میدانید، خودرو هوشمند را خواهید دید که واقعا مفهوم ترافیک را درک میکنند و اینکه رانندگی چیست و آموختهاند که بعضی از خودروها که چراغ راهنمایشان برای نیم دقیقه روشن مانده احتمالا نخواهند پیچید، و چیزهائی از این قبیل.
(Laughter)
(خنده حضار)
We can also do intelligent security systems. Anytime we're basically using our brain but not doing a lot of mechanics -- those are the things that will happen first. But ultimately, the world's the limit. I don't know how this will turn out. I know a lot of people who invented the microprocessor. And if you talk to them, they knew what they were doing was really significant, but they didn't really know what was going to happen. They couldn't anticipate cell phones and the Internet and all this kind of stuff. They just knew like, "We're going to build calculators and traffic-light controllers. But it's going to be big!" In the same way, brain science and these memories are going to be a very fundamental technology, and it will lead to unbelievable changes in the next 100 years. And I'm most excited about how we're going to use them in science. So I think that's all my time -- I'm over, and I'm going to end my talk right there.
ما همچنین میتوانیم سامانههای امنیتی هوشمند بسازیم. هر جائی که اساسا ما از مغزمان استفاده میکنیم، ولی خیلی کار حرکتی نمیکنیم. اینها چیزهائی است که اول اتفاق خواهد افتاد. ولی در نهایت، در اینجا دنیا محدوده ما است. من نمیدانم این به چه نحوی در خواهد آمد. من یک تعداد زیادی از افرادی را که ریزپردازشگر (microprocessor) را ساختند را میشناسم. و اگر با آنها گفتوگو کنید، آنها میدانستند کاری که دارند میکنند خیلی موثر است، ولی واقعا نمیدانستند که چه اتفاقی خواهد افتاد. آنها نمیتوانستند پیشبینی تلفن همراه و اینترنت و تمام اینگونه چیزها را بکنند. آنها فقط مثلا میدانستند که، آهای، ما ماشینحساب و تنظیمگر چراغ راهنمائی میسازیم. ولی این عظيم خواهد بود. به همون نحو، این مانند علوم مغزی است و این حافظهها یک فنآوری بنیادین خواهند بود، و منجر به تغییرات خیلی غیرقابل باوری در ۱۰۰ سال آینده خواهند شد. و من بیشترین هیجان را از بابت این دارم که از آنها چگونه در علم استفاده خواهیم کرد. خوب، فکر میکنم زمان من تمام شده است، من آن را تمام كردم، و صحبتم را در همینجا به پایان میرسانم.